基于时延空时滤波的P300波形提取及目标分类算法

提出一种基于时延空时滤波的P300波形提取及目标分类算法.将多通道脑电信号进行时延,利用最小二乘法思想构造代价函数,通过交替优化的方式估计空时滤波器和源信号,使代价函数收敛并得到空时滤波器,实现空域的源分离和时域的波形提取.经过仿真P300数据对算法性能进行验证,结果表明,该算法对P300波形恢复效果优于同类型的相关算法.对真实脑电数据进行处理,用算法得到的空时滤波器提取P300源成分作为分类特征,利用训练集得到的P300源成分训练Fisher分类器进行目标分类.结果表明,算法的P300波形提取效果、目标分类准确率及AUC值均优于同类型的相关算法.因此,该算法可有效提取P300波形并进行目标分类.      

基于共同空间模式的扫视信号特征提取算法

为了提高基于眼电图(EOG)的扫视信号识别正确率,提出了一种基于共同空间模式(CSP)的扫视信号特征提取算法.该算法首先利用事先标注好的标签数据进行CSP空域滤波器设计,并采用联合近似对角化的方法解决多分类问题;在此基础上,使用该滤波器对原始多导联眼动信号进行空域滤波,滤波输出即为扫视信号的特征参数.在实验室环境中使用支持向量机对上、下、左、右四类扫视信号进行识别,所提算法的平均正确率达到了97.7%.实验结果表明基于CSP的扫视信号特征提取算法在眼动信号分析中呈现出良好的分类性能.     

矢量水听器阵列矩阵空域预滤波MUSIC算法

针对矢量水听器阵列多重信号分类(MUSIC)算法分辨率低这一缺点,提出了矢量水听器阵列矩阵空域预滤波MUSIC算法.该算法充分利用矩阵空域滤波器输出数据保留阵元域的特性,通过设计一个空域矩阵滤波器对矢量水听器阵列数据进行预处理,抑制阻带扇面的干扰与噪声,且尽量保证通带扇面的信号无失真通过,然后利用MUSIC方位估计进行处理.仿真结果表明:该算法可以抑制通带扇面外干扰与噪声,通带内目标分辨信噪比门限可提高3dB.     

基于多个伪随机序列调制的视觉脑机接口研究

传统的基于编码调制的视觉脑机接口(BCI)使用一种编码及其移位来调制不同的视觉目标,限制了目标数的增加,因而限制了系统的信息传输率。基于两种不同类型的三个伪随机序列调制实现了一个48个刺激目标的BCI系统。采用两个不同的Golay码和一个近完美序列对目标进行调制,使得每个码的自相关特性和每个码之间的互相关特性都很好,大大提高了刺激目标数。通过模板匹配法对训练数据进行分类识别获得了很高的识别准确率,并和一类支持向量机方法进行了比较。选取了8个受试者进行了实验膜板匹配法的平均识别准确率达到93.49%,证明了这是一种提高刺激目标数的好方法。     

基于回溯搜索优化算法的运动想象 脑机接口频带选择

在基于运动想象的脑机接口(BCI)中,特征提取是影响整个系统性能的一个关键部分。共空域模式(CSP)是一种有效的特征提取算法,它能很好地提取与事件相关去同步/同步(ERD/ERS)生理特征相关的节律信息,因而在BCI系统中得到广泛应用。然而,CSP算法的分类性能极大地依赖于EEG信号的滤波频带。一般情况下,大都采用8~30 Hz的带通滤波器滤波,因为这个宽带包含了产生ERD/ERS想象的mu(8~12 Hz)和beta(18~26 Hz)节律。为了更加精准的定位最佳频带,将8~30 Hz的宽带滤波细分为大小不等的子带滤波,利用回溯搜索优化算法(BSA)与CSP相结合来选择最优频带,并以分类错误率作为BSA的适应度值(即频带选择标准)。使用该算法对5个受试者的实验数据进行了交叉验证分类实验。实验结果表明,最优频带的平均分类正确率比宽带(8~30 Hz)可高出7.91%。     

基于CSP-PSO-SVM的运动想象EEG信号特征提取与分类算法

为了解决EEG信号特征提取困难及识别率低等问题,提出一种基于CSP-PSO-SVM的脑电(EEG)信号特征提取与分类算法。该算法首先通过小波包变换实现EEG信号的预处理,提取出EEG信号中的特定频段信号,然后通过构建"一对一"共空间滤波器对EEG信号进行特征提取,最后通过粒子群优化的支持向量机算法实现EEG信号分类识别,并选用2008BCI竞赛2A数据集进行算法分类效果校验。研究结果表明:改进型CSP-PSO-SVM算法的分类准确率最高可达到93.07%,且其平均准确率比其他算法的高。其特征能很好地反映EEG信号的特点,可明显提高分类识别的准确率,可为脑机接口的发展与应用提供参考。     

基于Golay序列调制的视觉诱发电位脑机接口系统

脑机-接口是一种新型的人机交互方式,不依赖于外周神经和肌肉,而是直接将脑电信号翻译成计算机的控制命令。针对传统脑机-接口系统识别准确率低、可识别目标少等问题,提出了一种基于Golay序列调制的视觉诱发电位脑机接口系统。首先受试者必须注视着屏幕上闪烁的目标,通过脑电放大器对人脑表皮层产生的信号进行采集、放大、A/D转换等预处理操作,然后经过实时分析软件对预处理后的脑电信号进行分类识别,取出大脑特定获得下的特征;最后将其转换为计算机的控制命令,并将输出结果反馈给用户。系统选取了Golay序列对刺激目标进行调制,且运用模板匹配法对目标进行识别。实验结果表明,该方法能有效的识别刺激目标,且获得了93.75%的识别准确率。     

基于集合经验模式分解和公共空间模式的脑电信号特征提取

公共空间模式(common spatial pattern,CSP)能够较好地提取运动想象任务时脑电信号的判别特性,但是其性能与大脑进行想象任务的频带相关。为了确定这样一组频带实现精确的分类,基于集合经验模式分解、FIR滤波器组以及公共空间模式算法提出了一种脑电特征提取方法。预处理去除伪迹后的信号首先经过集合经验模式算法获得多个模函数,然后选择出包含μ节律和β节律范围的分量实现信号重构,重构后的脑电信号作为带通滤波器组的输入得到若干子带信号集合,从每个子带信号中提取CSP特征,最后将提取的特征经过支持向量机(support vector machine,SVM)进行分类。运用该方法对脑-计算机接口(brain-computer interface,BCI)竞赛数据集进行分类,实验表明该方法能够自适应地提取、筛选和判别每个受试者的空间CSP特征,分类准确率达96. 53%。     

用于稳态视觉诱发电位脑机接口目标识别的深度学习方法

针对稳态视觉诱发电位(SSVEP)脑电信号存在个体差异性强、信噪比低等特点而导致其识别困难等问题,提出一种用于SSVEP信号分类识别的深度学习方法。该方法以原始多通道SSVEP信号为输入,利用SSVEP信号的时空特性,首先使用一维时间卷积核对输入信号的时域进行卷积操作;然后使用一维空间卷积核进行空域卷积,对多通道信息进行融合;最后采用降采样、多尺度卷积、全连接等操作完成SSVEP信号的分类识别。实验结果表明:利用该方法在较短时间的视觉刺激下即可实现对被试者SSVEP信号的有效识别;在1 s刺激时长时,该方法的平均离线信息传输率为94.17 b/min,平均识别准确率为93.3%,相比于无监督典型相关分析方法和有监督支持向量机分析方法,识别准确率分别提升了48.73%、41.21%。该方法具有较高的目标识别效率及鲁棒性,有效提高了基于稳态视觉诱发电位信号的脑-机接口的性能。     

基于扫频滤波器线性调频信号的滤波算法

研究了白噪声环境下线性调频信号的自适应滤波问题.提出一种线性调频信号(LFM)自适应滤波算法.该算法利用分数阶傅里叶变换将LFM信号转化为正弦信号,在分数阶傅里叶域进行自适应滤波,利用分数阶傅里叶反变换得到滤波后的时域信号.分数阶的滤波器可以使用扫频滤波器替代.性能分析表明,该算法的滤波效果取决于自适应滤波器的效果,在使用最下均方(LMS)算法时,步长的选取决定了滤波器的性能,在实际应用中必须按需选取.仿真表明该算法效果明显,计算方便.     

基于距离和信息的单目标精确跟踪

对仅有“距离和”测量信息的多传感器系统提出了一种对量测方程预处理的快速卡尔曼跟踪算法．该卡尔曼跟踪算法通过对量测方程预处理得到目标位置与“距离和”测量量成线性关系的观测方程；状态变量只选目标的空间坐标，而速度矢量仅作为确定性输入量加入状态方程，速度矢量通过引入速度“伪测量值”滤波得到．并同以前的跟踪算法仿真比较表明，该方法计算量小，收敛速度快，精度高，具有一定的实用价值．     

基于Boosting算法的垃圾邮件过滤方法研究

为解决垃圾邮件过滤的精确度和有效性问题,提出了一种基于邮件内容过滤的垃圾邮件过滤方法,该方法采用Boosting算法构造了一种垃圾邮件过滤器,利用该垃圾邮件过滤器实现对垃圾邮件的过滤. 本文借鉴文本分类和信息检索领域所使用的评价指标,构建了垃圾邮件过滤器的评价体系,利用该评价体系,针对基于Boosting算法所构造的垃圾邮件过滤器对垃圾邮件的过滤实验所得到的数据进行了测试和评估,测试和评估的结果验证了Boosting算法在垃圾邮件过滤中的有效性,其性能优于传统的贝叶斯算法.      

EEG Signal Denoising and Feature Extraction Using Wavelet Transform in Brain Computer Interface

Electroencephalogram (EEG) signal preprocessing is one of the most important techniques in brain computer interface (BCI). The target is to increase signal-to-noise ratio and make it more favorable for feature extraction and pattern recognition. Wavelet transform is a method of multi-resolution time-frequency analysis, it can decompose the mixed signals which consist of different frequencies into different frequency band. EEG signal is analyzed and denoised using wavelet transform. Moreover, wavelet transform can be used for EEG feature extraction. The energies of specific sub-bands and corresponding decomposition coefficients which have maximal separability according to the Fisher distance criterion are selected as features. The eigenvector for classification is obtained by combining the effective features from different channels. The performance is evaluated by separability and pattern recognition accuracy using the data set of BCI 2003 Competition, the final classification results have proved the effectiveness of this technology for EEG denoising and feature extraction.     

基于自适应形态学的LPI信号检测预处理算法研究

针对传统算法在面对复杂环境中LPI信号检测时不能对噪声进行有效的滤波,提出了一种基于自适应形态学的LPI信号检测预处理方法。首先建立单一尺度形态学滤波模型,其次在单一尺度形态学频谱数据做分段插值处理时,在每段采用加入比例系数的改进形态学腐蚀和膨胀机理,再将插值后的序列与原信号相减来对其进行修正,最后通过算法仿真,验证了改进的算法在弱化结构元素尺度选择矛盾对不同带宽处的噪声基底估计的影响的同时,还能大大降低整个算法运算量的效果,取得了良好的滤波效果。     

基于空域相关阈值滤波的雾气激光信号处理算法

针对雾气环境下微弱激光信号特征提取困难,在研究小波空域相关滤波算法基础上,提出了小波空域相关阈值滤波方法。阐述了小波空域相关阈值滤波的思想和原理,特别研究了滤波阈值选取的方法,比较了空域相关阈值滤波与空域相关滤波的滤波效果。结果表明对雾气环境下的激光信号,空域相关阈值滤波具有最好的滤波效果。在不同雾气浓度和不同信号信噪比情况下的实验结果表明,空域相关阈值滤波能够在保持激光回波信号特征的前提下有效地抑制大部分噪声,更适于雾气环境下微弱激光回波信号处理和特征提取。      

基于Adam 优化的二维自适应TFPF 地震去噪算法

在时频峰值滤波( TFPF: Time-Frequency Peak Filtering) 算法中,采用固定窗长进行滤波很难在滤除噪声 和信号保幅之间取得折衷,无法追踪超出截止频率部分的信号,而且传统TFPF 仅沿时间方向滤波,忽略了信 号的空间信息。针对上述问题,提出了二维自适应TFPF( 2D-ATFPF: Two-Dimensional Adaption TFPF) 算法,首 先利用一组由不同窗函数决定的TFPF 冲激响应构建滤波输出凸集; 然后,在凸集下引入一个关于滤波输出的 目标函数,该函数基于最小二乘准则并将具有时空相关性的方向导数作为惩罚项; 最后,使用可以快速收敛的 投影Adam 方法优化目标函数,将2D-ATFPF 应用于人工合成记录和实际资料。实验结果表明,改进的方法与 一维算法相比,能更好地恢复同相轴,信噪比提高约1． 3 dB。     

汽车转弯自动照明控制系统数据采集滤波方法

为了减少汽车转弯自动照明控制系统数据滤波处理中的延时,在滑动中值滤波方法基础上,提出了一种带补偿的限幅滑动中值滤波算法,通过补偿的方式跟随信号的变化趋势。该算法通过2个步骤完成滤波,先对数据进行带补偿方式的限幅处理,再进行滑动中值滤波处理。该算法综合了滑动中值滤波法的实时性以及限幅滤波法对偶然性干扰滤除的有效性,实现更准确的滤波。仿真与实测结果表明,与滑动中值滤波方法相比较,改进后的算法滤波能够实时地滤除数据中的干扰,处理时间可减少62%,滤波效果较好,且速度信号的数据滞后时间较短,实时性较高,满足系统设计要求。     

数控机床能耗多通道监测系统的数据处理研究

针对使用多通道监测系统监测数控机床能耗信息时存在的信号干扰、采样率不同等问题,提出了一种基于软件编程的数据预处理方法。通过设计低通滤波器,对采集信号进行滤波处理,消除数控机床加工过程中采集信号振动较大、干扰噪声较多的问题。对于个别系统的采样率不同,利用重采样技术改变其采样频率,获得新的采样序列。根据数控机床切削和空载转换时采集信号的突变,运用多阈值分割算法,基于Matlab编程获取其突变特征点,并以此为基准实现不同采集系统之间的数据同步。研究结果表明,运用上述方法对采集信号数据进行预处理,为后续分析数控机床能耗信息带来了极大的便利。     

不同Alpha-Beta滤波算法的精度分析及改进

机动目标跟踪是雷达应用系统的一个重要组成部分,在机动目标跟踪中,目标的跟踪精度作为一项能够反映跟踪算法好坏的指标,是大部分人所关注的重点内容.通过对四种传统的Alpha-Beta滤波算法进行精度分析和比较,总结出四种算法的滤波特点,根据这些特点,改进得出了一种自适应Alpha-Beta滤波算法.该算法相对于传统的Alpha-Beta滤波算法来说,整体滤波效果是最优的,精度也是整体最高的.